科研之友
微信
新浪微博
Facebook
分享链接
摘要
云是一种常见的天气现象,云状是天气预测的关键特征。目前,地基云图像中的云状观测主要依赖于气象观测员的目视观测,十分依赖观测员的经验,实时性和效率较低。针对这一问题,提出使用深度学习的方法进行地基云状检测识别。设计了一种新的目标检测边界框损失函数UIoU,将其应用于YOLOv3算法上。并且使用了Kmeans聚类算法重新设计了适用于地基云状数据集的先验框尺寸,使得边界框回归更加精确和稳定。实验结果表明UIoU-YOLOv3相比于原算法精度得到了有效提升,在VOC数据集和地基云状数据集上mAP数值分别提升了3.4个百分点和2.56个百分点。
- 出版日期2022
- 单位湖南师范大学
